WikiDer > Оптимизация распределенных ограничений

Оптимизация распределенных ограничений (DCOP или же DisCOP) это распределен аналог оптимизация ограничений. DCOP - это проблема, в которой группа агентов должна распределенно выбирать значения для набора переменных таким образом, чтобы минимизировать стоимость набора ограничений по переменным.

Удовлетворение распределенных ограничений - это структура для описания проблемы в терминах ограничений, которые известны и применяются отдельными участниками (агентами). Ограничения описываются для некоторых переменных с предопределенными доменами и должны быть присвоены одним и тем же значениям разными агентами.

Проблемы, определенные с помощью этой структуры, могут быть решены любым из алгоритмов, которые для нее разработаны.

Фреймворк использовался под разными названиями в 1980-х годах. Первое известное использование с нынешним названием относится к 1990 году.^{[нужна цитата]}

Определения

DCOP

А DCOP можно определить как кортеж ${displaystyle langle A, V, {mathfrak {D}}, f, alpha, eta angle}$, куда:

• ${displaystyle A}$ это набор из агенты;
• ${displaystyle V}$ набор переменных, ${displaystyle {v_ {1}, v_ {2}, cdots, v_ {| V |}}}$;
• ${displaystyle {mathfrak {D}}}$ это набор доменов, ${displaystyle {D_ {1}, D_ {2}, ldots, D_ {| V |}}}$, где каждый ${displaystyle Din {mathfrak {D}}}$ это конечный набор содержащие значения, которым может быть присвоена соответствующая переменная;
• ${displaystyle f}$ это функция^[1][2]${displaystyle f: igcup _ {Sin {mathfrak {P}} (V)} sum {v_ {i} in S} left ({v_ {i}} imes D_ {i} ight) ightarrow mathbb {N} cup {infty }}$который сопоставляет все возможные присвоения переменной стоимости. Эту функцию также можно рассматривать как определение ограничений между переменными, однако переменные не должны быть эрмитовыми;
• ${displaystyle alpha}$ это функция ${displaystyle alpha: Vightarrow A}$ отображение переменных на связанного с ними агента. ${displaystyle alpha (v_ {i}) mapsto a_ {j}}$ подразумевает, что это агент ${displaystyle a_ {j}}$обязан присвоить значение переменной ${displaystyle v_ {i}}$. Обратите внимание, что это не обязательно верно, что ${displaystyle alpha}$ является либо инъекция или же сюрприз; и
• ${displaystyle eta}$ является оператор который объединяет все отдельные ${displaystyle f}$ затраты на все возможные присвоения переменных. Обычно это достигается путем суммирования:${displaystyle eta (f) mapsto sum _ {sin igcup _ {Sin {mathfrak {P}} (V)} sum {v_ {i} in S} left ({v_ {i}} imes D_ {i} ight)} f (s)}$.

Задача DCOP состоит в том, чтобы каждый агент присваивал значения связанным с ним переменным, чтобы минимизировать или максимизировать ${displaystyle eta (f)}$ для данного присвоения переменных.

Контекст

А контекст - присвоение переменной для DCOP. Это можно рассматривать как функцию преобразования переменных в DCOP в их текущие значения:

${displaystyle t: Vightarrow (Din {mathfrak {D}}) чашка {emptyset}.}$

Обратите внимание, что контекст по сути является частичным решением и не должен содержать значений для каждый переменная в задаче; следовательно, ${displaystyle t (v_ {i}) mapsto emptyset}$ подразумевает, что агент ${displaystyle alpha (v_ {i})}$ еще не присвоил значение переменной ${displaystyle v_ {i}}$. Учитывая это представление, "домен" (т.е., набор входных значений) функции ж можно рассматривать как набор всех возможных контекстов для DCOP. Поэтому в оставшейся части этой статьи мы можем использовать понятие контекста (т.е., то ${displaystyle t}$ функция) в качестве входа в ${displaystyle f}$ функция.

Примеры проблем

Раскраска распределенного графа

В раскраска графика проблема в следующем: учитывая график ${displaystyle G = langle N, Eangle}$ и набор цветов ${displaystyle C}$назначить каждому вершина, ${displaystyle nsubset N}$, цвет, ${displaystyle cleq C}$, такое, что количество соседних вершин одного цвета минимизировано.

В качестве DCOP на каждую вершину назначается один агент, которому назначается соответствующий цвет. У каждого агента есть одна переменная, связанный домен которой мощность ${displaystyle | C |}$ (для каждого возможного цвета существует одно значение домена). Для каждой вершины ${displaystyle n_ {i} leq N}$, создайте переменную в DCOP ${displaystyle v_ {i} в V}$ с доменом ${displaystyle D_ {i} = C}$. Для каждой пары смежных вершин ${displaystyle langle n_ {i}, n_ {j} угол в E}$, создайте ограничение стоимости 1, если обеим связанным переменным назначен один и тот же цвет:

${displaystyle (forall csubseteq C: f (langle v_ {i}, cangle, langle v_ {j}, cangle) mapsto 1).}$

Таким образом, цель состоит в том, чтобы минимизировать ${displaystyle eta (f)}$.

Распределенная задача с несколькими рюкзаками

В распределенный много- вариант проблема с рюкзаком выглядит следующим образом: при наличии набора предметов различного объема и набора ранцев различной вместимости назначьте каждый предмет рюкзаку таким образом, чтобы минимизировать переполнение. Позволять ${displaystyle I}$ быть набором предметов, ${displaystyle K}$ быть набором ранцев, ${displaystyle s: Iightarrow mathbb {N}}$ быть функцией, отображающей элементы в их объем, и ${displaystyle c: Kightarrow mathbb {N}}$ быть функцией, отображающей рюкзаки на их возможности.

Чтобы закодировать эту проблему как DCOP, для каждого ${displaystyle iin I}$ создать одну переменную ${displaystyle v_ {i} в V}$ со связанным доменом ${displaystyle D_ {i} = K}$. Затем для всех возможных контекстов ${displaystyle t}$:

${displaystyle f (t) mapsto sum _ {kin K} {egin {case} 0 & r (t, k) leq c (k), r (t, k) -c (k) & {ext {else}}, конец {case}}}$

куда ${displaystyle r (t, k)}$ функция такая, что

${displaystyle r (t, k) = sum _ {v_ {i} in t ^ {- 1} (k)} s (i).}$

Алгоритмы

Алгоритмы DCOP можно классифицировать в соответствии со стратегией поиска (поиск лучшего первого или поиск в глубину с ветвлением и границей), синхронизацией между агентами (синхронной или асинхронной), обменом данными между агентами (точка-точка с соседями в граф ограничений или широковещания) и основную топологию связи (цепочку или дерево).^[3]Например, ADOPT использует поиск лучшего первого, асинхронную синхронизацию, двухточечную связь между соседними агентами в графе ограничений и дерево ограничений в качестве основной топологии связи.

Также существуют гибриды этих алгоритмов DCOP. BnB-Adopt,^[3] например, изменяет стратегию поиска «Принять» с поиска по принципу «сначала лучший» на поиск по ветвям и границам в глубину.

Смотрите также

• Проблема удовлетворения ограничений

Примечания и ссылки

Книги и обзоры

• Фиоретто, Фердинандо; Понтелли, Энрико; Да, Уильям (2018), "Проблемы оптимизации распределенных ограничений и приложения: обзор", Журнал исследований искусственного интеллекта, 61: 623–698, arXiv:1602.06347, Дои:10.1613 / jair.5565
• Фальтингс, Бои (2006), «Распределенное программирование с ограничениями», в Уолш, Тоби (ред.), Справочник по программированию в ограничениях, Эльзевир, ISBN 978-0-444-52726-4 Глава в отредактированной книге.
• Майзельс, Амнон (2008), Распределенный поиск ограниченными агентами, Springer, ISBN 978-1-84800-040-7
• Шохам, Йоав; Лейтон-Браун, Кевин (2009), Мультиагентные системы: алгоритмические, теоретико-игровые и логические основы, Нью-Йорк: Издательство Кембриджского университета, ISBN 978-0-521-89943-7 См. Главы 1 и 2; скачать бесплатно онлайн.
• Йоку, Макото (2001), Распределенное удовлетворение ограничений: основы сотрудничества в многоагентных системах, Springer, ISBN 978-3-540-67596-9
• Йоку, М., и Хираяма, К. (2000). Алгоритмы выполнения распределенных ограничений: обзор. Труды Международной совместной конференции по автономным агентам и многоагентным системам (стр. 185–207). Опрос.